# 通用图像识别系统 ## 1. 任务简介 图像识别是计算机视觉领域重要的基础任务，目前主要有目标检测和图像分类技术，然而上述技术无法应对数据类别变动频繁、类别数据多的场景，而 PP-ShiTuV2 通用图像识别系统基于主体检测、特征提取、向量检索三个模块构成，其中主体检测模型和特征提取模型具有强大的鲁棒性，能够适用于多种场景任务，并且在改变任务类别时无需重新训练。PaddleX 通用图像识别系统能够满足用户不同任务、场景的需求，点击右上角 `创建模型产线` 选择配置好的 GPU、CPU环境，可以快速体验效果。 <img src="https://github.com/PaddlePaddle/PaddleClas/assets/12560511/30755e7c-29ee-4278-8009-cebc1ac977a1" style="height: 400px"> ## 2. 模型选择和训练 PP-ShiTuV2 是实用轻量级通用图像识别系统，由主体检测、特征提取、向量检索三个模块构成，相比 PP-ShiTuV1 具有更高的识别精度、更强的泛化能力以及相近的推理速度。PP-ShiTuV2 的整个流程如下图所示： <img src="https://github.com/PaddlePaddle/PaddleClas/assets/12560511/c8d1a203-7140-4c8c-a79d-2e8b58abc3d4" style="height: 400px"> 详细的技术实现可参考阅读：[PP-ShiTuV2](https://github.com/PaddlePaddle/PaddleClas/blob/develop/docs/zh_CN/models/PP-ShiTu/README.md)。 | 场景方案 | 主体检测模型 mAP(%) | Aliproduct 数据集 recall@1(%) | Aliproduct 数据集 mAP(%) | SOP 数据集 recall@1(%) | SOP 数据集 mAP(%) | 快速体验 | | -------- | ------- | ------ | --------------- | ------------- | ----------- | ------ | | PP-ShiTuV2 | 41.5 | 84.2 | 83.3 | 77.6 | 55.3 | ([PP-ShiTuV2](https://aistudio.baidu.com/aistudio/modelsdetail?modelId=5)) | **注：上述主体检测模型 mAP 指标评测数据集基于 Objects365 和 COCO2017 等数据集处理重新制作得到。** ## 3. 模型部署 本模型目前的部署支持情况如下： | 操作系统 | Windows | Windows | Windows | Windows | Linux | Linux | Linux | Linux | | -------- | -------- | -------- | -------- | -------- | -------- | -------- | -------- | -------- | | 部署硬件 | NV GPU | NV GPU | X86 CPU | X86 CPU | NV GPU | NV GPU | X86 CPU | X86 CPU | | 接口语言 | C++ | Python | C++ | Python | C++ | Python | C++ | Python | | 支持情况 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | 根据实际业务需求选择所需要的操作系统、部署硬件、接口语言等条件后，获取 FastDeploy 部署包，**完成之后到开发者模式下进行下载（文件右击选择下载即可）**，其中包括部署代码和预测模型。 最后就可以参考部署包里面的 README 使用说明，在目标硬件上进行部署啦。 **注意：如果需要手动更新预测模型，可以直接修改部署包中的预测模型。**